2017最後一天的學習-TensorFlow

中午吃過飯後，家人都去午休了，我就躺在沙發上看電視，然後稀裡糊塗睡著了，突然自己問自己今天寫點什麼呢，然後在迷糊中突然想到了TensorFlow,好了，那今天就看看它吧。

之前寫過兩篇相關的：

什麼是TensorFlow,如果按照標準的官方說法，就是一個採用資料流圖（data flow graphs），用於數值計算的開源軟體庫。資料流圖的概念稍後來講。

TensorFlow到底有多火呢，按照github 2016年的資料是29622個星，2017年這個數字飆升到了8萬多，毫無疑問，是2017年最閃亮的專案。

TensorFlow引起很多的關注和興趣，可能源自AlphaGo，因為都是來自Google Mind團隊。他們的關係非常緊密，可以說互相依存。

如果從我的理解來說，該怎麼解釋這個技術呢。我個人完全不懂圍棋的玩法，就班門弄斧說下圍棋的這個事情吧，可能很多是不對的，純是技術交流。以前的計算機模擬的基本都是窮舉的模型，比如有一個步驟有100種可能，那麼我就計算100次，每一次得到的結果可能都是侷限的，如果要看遠一些，那麼比如看到後面的5步的走法，按照這個方式理解，那就是100*100*100*100*100種可能性，這種方式結算的結果如果從整體來把握，幾乎是不可控的，因為圍棋裡的玩法不是一個固定的模式，不像你輸入一個資料，就立馬通過公式計算出一個結果一樣。所以說在各種不確定中找到確定的方案，而且能夠確定邊界，難度應該是相當的大，但是如果換一種思路，比如我把所有不同棋手的學習過程都借鑑過來，比如100個人下棋，在某一個階段下了某一步棋，對整個棋局都是有利，那麼計算機就會標記下來，算是學習了這個技巧，不斷的借鑑不斷的模仿，然後自我改進，這個過程必然會用的大量的資料和大量的計算，於是乎，各種經驗和技巧就不斷的迭代，不斷的抽象出來，所以說如果讓計算機來說某一步具體為什麼要那麼下，可能沒有一個很好的答案，但是它有大把的資料顯示這麼下一定是目前最好的方案，它會把經驗集合起來，而不去做最初窮舉的計算。

這方面的實力哪裡最強，個人認為還是矽谷，大學裡面佔據地理優勢的就是史丹佛了。今年十一去史丹佛的時候，真是被裡面的美景和文化氛圍吸引了，非常典型的西班牙建築特徵：紅陶筒瓦、手工抹灰牆、陶藝掛件、拱璇門廊。

大名鼎鼎的吳恩達就是史丹佛的教授，也在網易開通了機器學習的公開課，感興趣自行搜尋下。

下午的時候開始簡單瞭解了下，然後開始部署下環境。

TensorFlow的安裝可以分為不同的作業系統版本，最早是不支援windows的（現在的版本支援），在Unix,Linux下部署還是很方便的。它提供了大量的Python API,這是大多數深度學習框架都有的; 安裝時會根據CPU,GPU的差別有不同的安裝型別;目前推薦的作業系統是Ubuntu,不同的Python版本安裝也有差別。

我們通過網站（https://www.tensorflow.org/install/）的目錄結構就很容易看到TensorFlow的大體情況，支援的平臺。

目前最新的版本是1.4，下載連結是：

https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0-cp27-none-linux_x86_64.whl

我們可以根據pip來安裝，當然我任性了一會，在RedHat 6版本上安裝了，結果發現過程還是很痛苦的。

如果直接使用pip install --upgrade來安裝，很可能會提示網站的安全性問題，我們可以先用wget拿到whl檔案，然後使用pip install來安裝。

當然後面又碰到了一堆的問題，最鬱悶的就是glibc的版本相容性問題。在RHEL 6中的glibc版本是2.12，而在7中則為2.17，安裝TensorFlow需要的版本至少是2.16，所以在RHEL6版本中還需要手工升級，glibc算是核心庫，我們執行的命令ls,rm這些都和這個庫息息相關，所以操作不當就會導致整個系統不可用，我算是趟上了這個坑，當手工升級glibc的時候，發現到問題的時候，貌似有些晚了，因為ls,rm都可不用了，而我的虛擬機器上已經在跑一些測試環境了。有很多資料都沒來得及備份，我一邊想辦法，後悔沒完整備份，一邊在找補救措施，最後好不容易搞定，趕緊做了兩件事情：

1. 備份認為關鍵的資料和程式

2. 對虛擬機器開啟了快照，隨時跟進快照情況進行回退

有了這兩個保障，也算是有驚無險。

所以最好還是按照指定的環境，比如Ubuntu來吧。

所以如果說簡單些，TensorFlow就是個軟體庫，我們直接引用即可。

比如一個最簡單的TensorFlow程式,引入這個庫，然後這樣一個3+5的操作還得不到8

importtensorflowastf

a=tf.add(3,5)

print(a)

>>Tensor("Add: 0",shape=(),dtype=int32)

這是因為需要開啟session，在session中操作能夠被執行，簡單改進下：

import tensorflow as tf

a = tf.add(3, 5)

sess = tf.Session()

print(sess.run(a))

sess.close()

>> 8

看今天的晚會裡面，已經有了全自動碼頭，看來各行各業都在革命，難啊。

走入IT路，也不容易。

用王家衛《一代宗師》裡的臺詞來簡單總結下：

從此只有眼前路，沒有身後身，回頭無岸

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/23718752/viewspace-2149786/，如需轉載，請註明出處，否則將追究法律責任。